Resumen Técnico: Colaboración Segura Humano-Robot Basada en Visión con Garantías de Incertidumbre

Enunciado del Problema

A medida que los robots autónomos operan cada vez más en entornos centrados en el ser humano (industria, atención sanitaria, hogares), garantizar la seguridad requiere una percepción precisa de las posturas humanas, una predicción de movimiento fiable y garantías de seguridad demostrables frente a colisiones. Los enfoques actuales de Colaboración Segura Humano-Robot (HRC) enfrentan tres limitaciones críticas:

1. Dependencia de Sistemas Basados en Marcadores: Los métodos de seguridad demostrable a menudo dependen del seguimiento basado en marcadores, lo que limita la flexibilidad de implementación.
2. Manejo Insuficiente de la Incertidumbre: Los métodos basados en visión que utilizan cámaras RGB-D a menudo asumen errores de estimación máximos fijos o proporcionan estimaciones de incertidumbre que carecen de garantías formales. Además, frecuentemente fallan catastróficamente con entradas Fuera de Distribución (OOD), un riesgo no capturado por la incertidumbre aleatoria estándar.
3. Modelos de Movimiento Conservadores: Los marcos de seguridad tradicionales utilizan modelos de movimiento simples y no basados en datos (por ejemplo, asumiendo una velocidad máxima de 1.6 m/s en cualquier dirección según ISO 13855:2010) para definir conjuntos alcanzables. Estos modelos son altamente conservadores, lo que conduce a una operación ineficiente del robot. Por el contrario, los predictores de movimiento más avanzados carecen de estimaciones de incertidumbre heterocedásticas, propagación de incertidumbre de extremo a extremo y garantías de predicción conformal.

Metodología

Los autores proponen un marco unificado para la estimación de postura humana basada en visión y la predicción de movimiento que integra la estimación de incertidumbre con la predicción conformal para proporcionar garantías de seguridad certificables. La tubería consta de cuatro etapas principales:

1. Estimación de Postura 3D Consciente de la Incertidumbre

• Estimación 2D: El sistema adapta YOLO26 para generar no solo las posiciones medias de las articulaciones en 2D, sino también la matriz de covarianza para cada articulación en dos marcos de cámara calibrados. Esta covarianza se deriva de la escala de la distribución gaussiana en el modelo de regresión basado en flujo.
• Triangulación: Las posiciones de las articulaciones en 3D se calculan mediante triangulación lineal estándar.
• Propagación de Covarianza 3D: Las covarianzas cruzadas se estiman a partir de correlaciones residuales sobre un conjunto de calibración. Las covarianzas 3D finales se obtienen mediante propagación de primer orden, aumentadas con un término isotrópico pequeño para tener en cuenta errores sistemáticos de reconstrucción (por ejemplo, imperfecciones de calibración).

2. Predicción de Movimiento 3D Consciente de la Incertidumbre

• Arquitectura: El modelo extiende la arquitectura Transformer de Transformada Discreta del Coseno (DCT). Procesa entradas de postura y covarianza a lo largo del eje temporal.
• Separación de Frecuencias: Los componentes de baja frecuencia (tendencias globales suaves) y los componentes de alta frecuencia (variaciones rápidas y de escala fina) se procesan mediante rutas dedicadas de Perceptrón Multicapa (MLP) después del módulo de atención antes de ser recombinados mediante DCT inversa.
• Integración de Incertidumbre: Las entradas de incertidumbre se escalan por un factor aprendible y se suman a las características de postura.
• Predicción de Covarianza: Para garantizar estabilidad y validez, el modelo predice matrices de covarianza utilizando la factorización de Cholesky.
• Estrategia de Entrenamiento: Se emplea una optimización estable en múltiples fases: (i) entrenamiento de un predictor base determinista, (ii) aprendizaje desacoplado de la cabeza de incertidumbre con una columna vertebral congelada, y (iii) ajuste fino de extremo a extremo con un factor de ponderación ($\lambda$) reducido gradualmente para equilibrar precisión y calibración. La función de pérdida combina la Verosimilitud Negativa Logarítmica (NLL) gaussiana multivariante y una pérdida de postura $L_1$.

3. Conjuntos de Predicción Conformal

Para convertir las estimaciones de incertidumbre en límites de seguridad certificables, el marco construye conjuntos de predicción conformal:

• Medida de No Conformidad: Se define una puntuación basada en la distancia euclidiana entre las posiciones predichas y reales, normalizada por la raíz cuadrada del valor propio máximo de la covarianza predicha.
• Construcción del Conjunto: Utilizando un conjunto de calibración, se determina un umbral tal que la posición real de la articulación cae dentro de la esfera predicha con probabilidad $1-\epsilon$.
• Extensión Temporal: Para cubrir el tiempo continuo, el radio de la esfera de predicción se extiende en $\Delta t \cdot v_{max}$ (donde $v_{max} = 1.6$ m/s) para los pasos de tiempo entre predicciones discretas.
• Ocupaciones Alcanzables: La herramienta SARA se utiliza para expandir estas esferas a nivel de articulaciones en ocupaciones alcanzables de cuerpo completo para la protección de seguridad.

4. Detección y Manejo de OOD

Para abordar el fallo de los modelos en datos no vistos:

• Detección: Se aplica el método de Incertidumbre de Lanczos de Boceto (SLU) tanto a la red de estimación de postura 2D como a la de predicción de movimiento para detectar entradas OOD. Se utilizan modelos reducidos (que predicen solo las posiciones de la cabeza y las manos) para mayor eficiencia.
• Degradación Elegante: Si una entrada se marca como OOD, la tubería no se detiene. En su lugar, reutiliza la predicción de movimiento válida anterior para llenar el búfer de postura. El sistema solo reanuda la aceptación de nuevas predicciones basadas en imágenes después de una secuencia de $N_{req}$ observaciones válidas consecutivas, evitando bucles de retroalimentación de datos inválidos.

Contribuciones Clave

El artículo presenta un marco para HRC segura que incluye:

1. Propagación de Incertidumbre de Extremo a Extremo: Una tubería que estima el movimiento humano en 3D con incertidumbre aleatoria heterocedástica propagada desde la estimación 2D a través de la triangulación hasta la predicción de movimiento.
2. Conjuntos de Predicción Conformal: La generación de conjuntos de predicción para posturas humanas que ofrecen garantías válidas y de alta confianza ($1-\epsilon$), directamente integrables con escudos de seguridad como SARA.
3. Manejo Continuo de OOD: Un método para manejar entradas Fuera de Distribución en un entorno de predicción continua reutilizando predicciones válidas pasadas, asegurando la continuidad de la tubería sin fallos catastróficos.

Resultados Experimentales

El marco se evaluó en el conjunto de datos Human3.6M y en un entorno real de HRC con un robot Franka Emika.

• Precisión de Predicción: En la referencia Human3.6M, el rendimiento de la etapa 1 (determinista) del modelo superó a las líneas base más avanzadas (HisRep, ST-DGCN, etc.). Sin embargo, el modelo final (con predicción de incertidumbre) mostró un ligero aumento en el Error Medio de Posición por Articulación (MPJPE) en comparación con la etapa 1, una compensación por proporcionar estimaciones de incertidumbre.
• Eficiencia del Conjunto Conformal: En comparación con el modelo de velocidad constante estándar ISO 13855:2010, los conjuntos de predicción conformal propuestos lograron una mayor cobertura (98.25% frente a 97.93%) mientras reducían el volumen del conjunto alcanzable predicho en un factor de 11.
• Eficacia del Manejo de OOD: En la evaluación de la tubería completa, el mecanismo propuesto de manejo de OOD redujo la tasa de búferes de postura inválidos en un 36.0% (aumentando las predicciones de movimiento válidas) con solo un aumento marginal en el MPJPE (2.6%).
• Implementación en el Mundo Real: Integrado con el escudo SARA, el sistema operó con éxito en un robot Franka Emika. En el modo de monitoreo de velocidad y separación, el robot se detuvo consistentemente antes de que el operador humano pudiera alcanzarlo, demostrando la viabilidad práctica de las garantías de seguridad certificables.

Significado y Afirmaciones

Los autores afirman que su trabajo cierra la brecha entre la predicción de movimiento basada en datos de alta precisión y los requisitos de seguridad rigurosos. Al combinar la predicción conformal con la detección de OOD, el marco permite que los robots operen con garantías de seguridad certificables en situaciones no vistas sin depender de las suposiciones excesivamente conservadoras de los modelos de movimiento tradicionales. La reducción del volumen de predicción en un factor de 11 sugiere que este enfoque puede mejorar significativamente la eficiencia y fluidez del robot en tareas colaborativas mientras mantiene la seguridad. La estrategia de degradación elegante asegura la robustez en implementaciones del mundo real donde los datos del sensor pueden ocasionalmente caer fuera de la distribución de entrenamiento.